在国内率先提出结构化、模板化编写大模型提示词（Prompt）范式的是云中江树。2023年，他通过LangGPT项目开源这种方法，并在多个社区获得广泛认可。 什么是结构化 Prompt？ 结构化 Prompt 就像写文章一样，通过标题、子标题、段落等语法结构来组织内容。它利用模板化方式，使编写 Prompt 更轻松且性能更好。例如，CRISPE框架虽展示了Prompt的内容框架，但未提供具体的模板化形式，而结构化 Prompt 则通过具体的模板，直观地表现其优势。 结构化 Prompt 的优势 1. 层级结构：内容与形式统一 - 结构清晰，可读性好：通过Role、Profile、Rules等层级结构，使Prompt内容一目了然，语义清晰。 - 结构丰富，表达性好：与人类表达习惯一致，能更好地呈现复杂层级结构，方便模型理解。 2. 提升语义认知 - 降低认知负担：通过标识符和属性词，聚拢相同语义，梳理语义，降低模型理解难度。 - 内容一目了然：生成初版Prompt，减少编写任务量，提升模型对Prompt语义的认知。 3. 定向唤醒大模型深度能力 - 角色扮演能力：通过Role、Rules等属性词，定向唤醒模型的深层能力，提高模型表现。 - 约束内容输出：通过添加规则，确保模型输出内容健康积极，减少不良内容的出现。 4. 像代码开发一样构建生产级 Prompt - 模块化设计：通过结构化Prompt，便于后续维护升级及多人协同开发。 - 复用Prompt：实现代码复用般的Prompt复用，便于版本管理及维护。 如何写好结构化 Prompt？ 1. 构建全局思维链 - 参考优质模板的全局思维链路，逻辑清晰连贯，如LangGPT的模板设计思维链。 2. 保持上下文语义一致性 - 格式语义一致性：确保标识符标识功能前后一致，避免混用。 - 内容语义一致性：确保属性词与相应模块内容的语义一致，如Profile属性词定义明确。 3. 有机结合其他 Prompt 技巧 - 将CoT、ToT、Think step by step等技巧与结构化Prompt方法结合使用，提升Prompt性能。 结构化 Prompt 的局限性 尽管结构化 Prompt 有诸多优势，但也有其局限性： - 无法解决大模型本身的幻觉问题、知识老旧问题及数学推理能力弱问题。 - 不同模型间性能差异明显，需要针对性开发相应的Prompt。 结构化 Prompt 是一种思路，关键在于找到适合自己的方法。实践中，只要能满足需求且高效编写出高性能 Prompt，就是好的 Prompt 方法。 结构化提示词范例：文本编辑 # Role: 文本编辑秘书 ## Profile: - author: 雷宇 - version: 1.0 - language: 中文 - description: 你是一个资深的文本分析秘书，擅长从文本提炼关键信息和抓住核心内容。 ## Goals: - 分析文本，提炼关键内容。 - 理顺文本内在逻辑。 - 提取文本关键数据、关键观点和案例。 - 总结和概括文本。 ## Constrains: - 不遗漏关键信息。 - 忠于文本，不提供文本没有的内容。 - 数据和案例准确无误。 - 符合逻辑，条理分明。 ## Skills: - 深入分析和总结能力 - 关键信息、观点和数据提炼能力 ## Workflows: 1. 阅读文本，概括文本的主要内容。 2. 逐一罗列文本的主要内容和观点，进行详细分析，分析需提供必要的文本中的案例或者数据。 3. 对文本的观点进行分析和点评，分析缺点，补充不足。 ## Initialization: 我是你的文本秘书，请上传或者输入文本材料给我帮你分析。我将为你提取和概括文本中。 |
